Förbereder Microsoft Works kalkylbladsarkiv för AI- och RAG-sökning

TL;DR

LLM- och RAG-pipelines kan inte indexera .wks, .xlr, .wpt eller .wps-filer direkt. Konvertera gamla kalkylblad lokalt till CSV, Markdown och XLSX innan de går in i pipelinen. CSV och Markdown är de bästa ingångarna för inbäddning och hämtning; XLSX och PDF stöder mänsklig granskning av vad modellen får se.

AI kan inte använda det den inte kan läsa

De flesta återhämtnings- och inbäddningspipelines hoppar tyst över äldre kalkylbladsbinärer. Resultatet är ett privat RAG-system som självsäkert svarar på frågor från en bråkdel av företagets faktiska kunskap – ofta utan att någon inser vad som har uteslutits.

Att modernisera arkivet är den oansenliga men nödvändiga förutsättningen: rena, öppna format låser upp kalkylbladshistoriken som äldre format höll dold.

Bästa målformat för RAG

1. CSV för tabellinbäddning

CSV är den renaste tabellformade inmatningen. Varje rad blir en liten, förutsägbar bit; kolumner blir naturlig metadata. Para ihop CSV med radnivåmetadata i indexet för att filtrera efter år, enhet eller källfil.

2. Markdown för berättande flikar

Många Microsoft Works-filer innehåller narrativa flikar—antaganden, ändringsloggar, sammanfattningar för ledningen. Markdown är mer vänlig mot LLM-tokenisering än HTML eller PDF-text, så sammanfattningsflikar blir bättre källhänvisningar efter konvertering.

3. XLSX och PDF för mänsklig granskning

När en granskare behöver se vad modellen visades, är XLSX och PDF de format de förväntar sig. Håll dem bredvid CSV/Markdown så att modellciteringar kan spåras visuellt.

Håll konversationen privat

Om arkivet innehåller finans-, kund-, personal- eller operativ data bör konvertering ske innan något moln-AI-steg—och helst inom samma kontrollerade miljö som hanterar resten av RAG-pipelinen.

Gratis online-omvandlare är fel beroende för ett sekretessrespektfullt AI-system. De återintroducerar exakt de frågor om dataresidens som ett privat LLM är utformat för att ta bort.

Indexeringstips som lönar sig senare

Fånga metadata för varje fil under konvertering: källväg, utgångsväg, ursprunglig filändelse, konverteringstidpunkt och eventuellt projekt, år eller enhet som kan härledas från mappstrukturen. Skriv in dessa metadata i vektorlagret som filtrerbara fält.

Provsökning mot några kända historiska frågor innan arkivet förklaras RAG-redo. Den rätta frågan avslöjar ofta flikar eller antaganden som behöver komma med i indexet.

Sluta bygga RAG på ett delvis arkiv

Ett privat LLM är bara så smart som det korpus det kan se. Konvertera det gamla kalkylarksarkivet en gång, indexera det med metadata och låt modellen äntligen läsa vad företaget faktiskt vet.